ESTADÍSTICA INFERENCIA:

Se deriva de muestras, de observaciones hechas sólo acerca de una parte de un

conjunto numeroso de elementos y esto implica que su análisis requiere de
generalizaciones que van más allá de los datos. Como consecuencia, la característica
más importante del reciente crecimiento de la estadística ha sido un cambio en el
énfasis de los métodos que describen a métodos que sirven para hacer
generalizaciones. La Estadística Inferencial investiga o analiza una población
partiendo de una muestra tomada. Según Berenson y Levine; Estadística Inferencial
son procedimientos estadísticos que sirven para deducir o inferir algo acerca de un
conjunto de datos numéricos (población), seleccionando un grupo menor de ellos
(muestra). El objetivo de la inferencia en investigación científica y tecnológica radica
en conocer clases numerosas de objetos, personas o eventos a partir de otras
relativamente pequeñas compuestas por los mismos elementos.

POBLACIÓN

La población es el conjunto de personas o animales de la misma especie que

se encuentran en un momento y lugar determinado.

Es decir, aunque la palabra población sea usualmente más usada para hacer
alusión a una comunidad humana, también puede aplicar a otros animales.

Cabe señalar que puede hablarse de poblaciones de países, localidades o

cualquier delimitación geográfica con autonomía política. Así, conocer la población
de una ciudad es importante, por ejemplo, para saber cuántas personas están
habilitadas para emitir su voto.

Vale mencionar que la ciencia que estudia las poblaciones humanas se llama
demografía, analizando cómo se distribuyen y cómo evolucionan en el tiempo.

TIPOS DE POBLACIÓN

Podemos distinguir dos tipos de población:

 Absoluta: Se refiere al total de individuos que viven en una zona geográfica.
Por ejemplo, los 30 millones de habitantes de Perú.

Relativa: Se refiere a la densidad poblacional. Es decir, de refiere a cuántas

personas habitan por metro cuadrado. Así, se puede comparar los datos de dos países
o ciudades para saber cuál tiene mayor concentración de gente.

MUESTRA

Una muestra estadística es un subconjunto de datos perteneciente a una

población de datos. Estadísticamente hablando, debe estar constituido por un cierto
número de observaciones que representen adecuadamente el total de los datos.

La estadística, como rama de las matemáticas, se encarga de recoger datos,

ordenarlos y analizarlos. Es decir, cuando queremos estudiar un determinado
fenómeno recurrimos a la estadística. Un buen ejemplo de fenómeno que estudia la
estadística, es el salario medio de los ciudadanos de un país

En este sentido, por cuestiones de tiempo y coste, no podemos recoger la

totalidad de los datos. Esta totalidad de los datos es lo que se conoce como población
de datos o, simplemente, población.

¿Por qué se trabaja con muestras estadísticas?

Para explicar porque se utiliza una muestra estadística en lugar de la población

total, vamos a recurrir al ejemplo planteado anteriormente.

Supongamos que queremos estudiar un fenómeno cualquiera. En nuestro caso,

ese fenómeno es el salario medio de los ciudadanos de un país. La población de datos
está formada por todos y cada uno de los trabajadores del país. Claro que por razones
de tiempo y coste sería imposible ir preguntando a cada trabajador cual es su salario
anual. Tardaríamos mucho tiempo o necesitaríamos muchos recursos.

En este punto aparece el concepto de muestra estadística. En lugar de

preguntar a los millones de trabajadores de un país o región, tan solo recogemos una
pequeña cantidad de datos. Por ejemplo, preguntamos a 100.000 personas. Esta tarea
sigue siendo complicada, pero es mucho más asequible preguntar a 100.000 personas
que preguntar a 30 millones.

Esta pequeña cantidad de datos ha de ser representativa. Es decir, debe

representar adecuadamente a la población. Si las 100.000 personas a las que
preguntamos se concentran en barrios ricos, obtendremos datos que no son
representativos. El salario medio nos saldría mucho más alto de lo que es en realidad.
 TIPOS DE MUESTRA

Existen dos métodos para seleccionar muestras de poblaciones; el muestreo no

aleatorio o de juicio y el muestreo aleatorio o de probabilidad. En este último todos
los elementos de la población tienen la oportunidad de ser escogidos en la muestra.

Una muestra seleccionada por muestreo de juicio se basa en la experiencia de

alguien con la población. Algunas veces una muestra de juicio se usa como guía o
muestra tentativa para decidir como tomar una muestra aleatoria más adelante. Las
muestras de juicio evitan el análisis estadístico necesario para hacer muestras de
probabilidad.

Cálculo Del Tamaño De La Muestra Desconociendo El Tamaño De La

Población

La fórmula para calcular el tamaño de muestra cuando se desconoce el tamaño

de la población es la siguiente:

En donde
Z = nivel de confianza,
P = probabilidad de éxito, o proporción esperada
Q = probabilidad de fracaso
D = precisión (error máximo admisible en términos de proporción)
CÁLCULO DEL TAMAÑO DE LA MUESTRA CONOCIENDO EL
TAMAÑO DE LA POBLACIÓN
La fórmula para calcular el tamaño de muestra cuando se conoce el tamaño de
la población es la siguiente:
 En donde, N = tamaño de la población Z = nivel de confianza, P =
probabilidad de éxito, o proporción esperada Q = probabilidad de fracaso D =
precisión (Error máximo admisible en términos de proporción).
Características de una muestra estadística representativa

Si se quiere hacer una buena investigación, la calidad de la muestra estadística

es esencial. De nada sirve realizar las métricas estadísticas más complejas con los
modelos más sofisticados si la muestra estadística está sesgada. Es decir, si la muestra
no es representativa.

A la hora de obtener una muestra representativa existen ciertos aspectos que el

investigador debe conocer de antemano. Entre esos aspectos se encuentran las
características de una muestra representativa. Las características de una muestra
representativa son las siguientes:

Tamaño suficientemente grande: Cuando trabajamos con muestras estamos,

normalmente, trabajando con una cantidad de datos inferior a la población. Ahora
bien, para que una muestra estadística sea representativa deberá ser lo
suficientemente grande como para considerarse representativa. Por ejemplo, si
nuestra población está formada por 10 millones de datos y escogemos 10, es difícil
que sea representativa. Eso sí, no siempre a mayor tamaño la muestra es más
representativa.

Aleatoriedad: La selección de los datos de una muestra estadística debe ser

aleatoria. Es decir, debe ser totalmente al azar. Si en lugar de realizarlo al azar,
realizamos un proceso de selección de datos planificado, estamos introduciendo un
sesgo a la obtención de datos. Por tanto, para evitar que la muestra sea sesgada y, por
tanto, conseguir que sea una muestra representativa, debemos hacer una selección
aleatoria.
Intervalo de confianza

Un intervalo de confianza es una técnica de estimación utilizada en inferencia

estadística que permite acotar un par o varios pares de valores, dentro de los cuales se
encontrará la estimación puntual buscada (con una determinada probabilidad).

Un intervalo de confianza nos va a permitir calcular dos valores alrededor de

una media muestral (uno superior y otro inferior). Estos valores van a acotar un rango
dentro del cual, con una determinada probabilidad, se va a localizar el parámetro
poblacional.

Intervalo de confianza = media +- margen de error

Conocer el verdadero poblacional, por lo general, suele ser algo muy

complicado. Pensemos en una población de 4 millones de personas. ¿Podríamos saber
el gasto medio en consumo por hogar de esa población? En principio sí. Simplemente
tendríamos que hacer una encuesta entre todos los hogares y calcular la media. Sin
embargo, seguir ese proceso sería tremendamente laborioso y complicaría bastante el
estudio.

Ante situaciones así, se hace más factible seleccionar una muestra estadística.
Por ejemplo, 500 personas. Y sobre dicha muestra, calcular la media. Aunque
seguiríamos sin saber el verdadero valor poblacional, podríamos suponer que este se
va a situar cerca del valor muestral. A esa media le sumamos el margen de error y
tenemos un valor del intervalo de confianza. Por otro lado, le restamos a la media ese
margen de error y tendremos otro valor. Entre esos dos valores estará la media
poblacional.

En conclusión, el intervalo de confianza no sirve para dar una estimación

puntual del parámetro poblacional, si nos va a servir para hacernos una idea
aproximada de cuál podría ser el verdadero de este. Nos permite acotar entre dos
valores en dónde se encontrará la media de la población.

COEFICIENTE DE
VARIACION

FRECUENCIA ACUMULADA